Международный аналитический центр Ember опубликовал сегодня доклад, посвященный перспективам использования искусственного интеллекта в энергетическом секторе стран Ассоциации государств Юго-Восточной Азии (АСЕАН). По оценкам исследователей, широкое внедрение нейросетей поможет региону сэкономить до 67 миллиардов долларов и сократить выбросы углекислого газа почти на 400 миллионов тонн к 2035 году. Эксперты подчеркивают, что алгоритмы станут основой для управления энергосистемами в условиях стремительного роста доли возобновляемых источников энергии.
На сегодняшний день на долю солнечной и ветровой генерации в государствах АСЕАН приходится лишь около пяти процентов от общего объема производимой электроэнергии. Лидерами в этом направлении выступают Вьетнам, Камбоджа и Таиланд, тогда как Бруней и Восточный Тимор пока не используют такие ресурсы. Однако прогнозы показывают, что к 2045 году доля переменных источников энергии может превысить сорок процентов. Главная проблема такого перехода – непредсказуемость погодных условий. Традиционные электросети, исторически рассчитанные на стабильную работу угольных и газовых станций, с трудом справляются с балансировкой скачков напряжения из-за неравномерной выработки чистой энергии.
Искусственный интеллект способен решить эту проблему за счет кратного повышения эффективности управления сетями. Технологии машинного обучения позволяют на четверть улучшить точность прогнозирования выработки энергии, непрерывно анализируя огромные массивы метеорологических данных и спутниковых снимков. Это избавляет системных операторов от необходимости держать тепловые электростанции в резерве на случай внезапного падения мощности ветряков. Кроме того, алгоритмы обеспечивают предиктивное техническое обслуживание. Программа может выявить скрытые признаки износа оборудования за недели или даже месяцы до возможной поломки, что существенно снижает затраты на экстренный ремонт и предотвращает веерные отключения.
Еще одним важным направлением работы алгоритмов является оптимизация распределения энергии. В отличие от традиционных программ, нейросети могут принимать миллионы решений в секунду, моментально адаптируясь к текущей ситуации. Они также позволяют применять технологию динамической оценки пропускной способности линий электропередачи. Опираясь на данные о погоде и температуре проводов в реальном времени, искусственный интеллект может безопасно увеличивать нагрузку на существующие сети на треть. Это избавляет энергокомпании от необходимости строить новую дорогостоящую инфраструктуру. В докладе отмечается, что глобальная экономия электричества от внедрения таких решений в четыре раза превысит объемы энергии, потребляемые самими центрами обработки данных.
Крупные экономики региона – Сингапур, Малайзия, Таиланд, Индонезия и Филиппины – уже демонстрируют высокий уровень готовности к внедрению подобных инноваций. Местные коммунальные предприятия запускают пилотные проекты, которые показывают реальное снижение затрат. Тем не менее интеграция новых технологий остается фрагментированной. Аналитики предупреждают о риске возникновения регионального «цифрового разрыва», при котором страны с развитой инфраструктурой привлекут максимум инвестиций, а государства с менее сильными экономиками, такие как Мьянма или Лаос, не смогут воспользоваться преимуществами модернизации.
Серьезным препятствием для масштабного перехода остаются уязвимости цифровой инфраструктуры и низкое качество исходных данных. Количество кибератак на энергетический сектор региона за последние четыре года выросло втрое. Системы искусственного интеллекта чувствительны к преднамеренному искажению информации, что на объектах критической инфраструктуры может привести к авариям. Кроме того, нормативно-правовая база большинства стран пока не адаптирована к автономным решениям алгоритмов. Отсутствие четких правил распределения юридической ответственности в случае системной ошибки заставляет энергетиков с осторожностью относиться к новшествам, требуя сохранять жесткий контроль со стороны человека.
Для безопасного извлечения максимальной экономической и экологической выгоды авторы доклада рекомендуют правительствам обновить стандарты энергосетей, обязав компании устанавливать современное оборудование для сбора метеоданных. Также предлагается создавать изолированные виртуальные среды – так называемые «песочницы» – для тестирования алгоритмов без риска для реальных потребителей электроэнергии. По мнению авторов отчета, при грамотном государственном регулировании, инвестициях в кибербезопасность и защите данных технологии машинного обучения станут самым быстрым и доступным инструментом для безопасного перехода энергосистем на новый уровень развития.